基于Spark的分类算法的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.4 本文组织结构 | 第12-14页 |
| 第二章 相关背景知识 | 第14-26页 |
| 2.1 Spark简介 | 第14-17页 |
| 2.1.1 HDFS | 第14-16页 |
| 2.1.2 RDD | 第16页 |
| 2.1.3 MLlib | 第16-17页 |
| 2.2 决策树相关知识 | 第17-23页 |
| 2.2.1 C4.5算法 | 第18-20页 |
| 2.2.2 CART算法 | 第20-21页 |
| 2.2.3 CHAID算法 | 第21-23页 |
| 2.3 BP神经网络相关知识 | 第23-25页 |
| 2.3.1 网络结构 | 第23页 |
| 2.3.2 模型训练 | 第23-24页 |
| 2.3.3 应用缺陷 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 决策树算法的并行化研究 | 第26-44页 |
| 3.1 决策树算法的并行化 | 第26-32页 |
| 3.1.1 数据预处理阶段 | 第26-27页 |
| 3.1.2 决策树生成阶段 | 第27-30页 |
| 3.1.3 决策树剪枝阶段 | 第30页 |
| 3.1.4 算法实现 | 第30-32页 |
| 3.2 实验结果与分析 | 第32-35页 |
| 3.3 决策树算法集成 | 第35-43页 |
| 3.3.1 BDAP系统简介 | 第35-37页 |
| 3.3.2 算法集成 | 第37-40页 |
| 3.3.3 算法展示 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 BP神经网络算法的并行化研究 | 第44-58页 |
| 4.1 BP神经网络算法的改进 | 第44-46页 |
| 4.2 BP神经网络算法的并行化 | 第46-50页 |
| 4.2.1 并行化方式 | 第46-47页 |
| 4.2.2 算法设计 | 第47-49页 |
| 4.2.3 算法实现 | 第49-50页 |
| 4.3 实验结果与分析 | 第50-52页 |
| 4.4 BP神经网络算法集成 | 第52-57页 |
| 4.4.1 算法集成 | 第52-54页 |
| 4.4.2 算法展示 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 基于决策树的神经网络算法的并行化研究 | 第58-65页 |
| 5.1 决策树与神经网络的相似性 | 第58-59页 |
| 5.2 基于决策树的神经网络构建 | 第59-61页 |
| 5.3 基于决策树的神经网络算法的并行化 | 第61-62页 |
| 5.4 实验结果与分析 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
